NPS净推荐值分析

NPS净推荐值，是用于研究用户向他人推荐某品牌/产品/服务可能性的指数，用于了解用户对品牌/产品/服务的主动推荐意愿情况，是一个常见的忠诚度指标。

NPS净推荐值的数据收集方式很简单，只需要设计一个问卷题，比如“你向朋友/同事推荐使用SPSSAU的可能性有多大（打分0~10分）”，最低打分为0分，最高为10分，分值越高代表推荐意愿越强。收集完成数据后直接进行计算即可。首先将分值进行分组，共分为三组，分值介于0~6分为贬损者，分值介于7~8分为被动者，分值高于8分为推荐者；当然希望推荐者越多且贬损者越少越好，而NPS值则衡量这种推荐程度，NPS值计算公式为：NPS值=推荐者% - 贬损者%，即推荐者的占比减去贬损者占比。

至于NPS值多高算高，这并没有固定标准，通常50%是一个比较高的值。研究者可收集多次数据，然后对比查看NPS值及3种类型用户的变化情况，综合衡量用户的忠诚度变化情况。

NPS净推荐值案例

  • 1、背景

    当前市场部门同事希望研究公司品牌的忠诚度情况，分别在年初，年中和年末收集三次NPS数据，每次收集的样本数据为116份。现希望了解用户的忠诚度情况，并且判断忠诚度变化情况。

  • 2、理论

    NPS的计算非常简单，首先需要注意一点，即数据打分一定是介于0~10分（包括0分和10分），数字越大代表推荐可能性越高。将分值进行分组，分值介于0~6分为贬损者，分值介于7~8分为被动者，分值高于8分为推荐者，当然分组的过程由SPSSAU自动处理，最终计算NPS值，其计算公式为NPS值=推荐者% - 贬损者%。

    • 特别提示：

    • NPS原始数据分值一定需要介于0~10分之间（包括数字0和10），如果不是这样，可使用SPSSAU数据处理->数据编码进行处理，将数字进行替换后再分析NPS。

  • 3、操作

    本例子中共收集三次NPS数据，除了想了解用户的忠诚度情况，还想查看用户忠诚度的变化情况，操作截图如下：

    如果想把用户类别（即贬损者，被动者和推荐者）保存起来，用于其它的分析使用，比如研究不同性别群体（如果有这样的数据）与用户类别的差异情况，那么选中‘保存类别’项即可。

  • 4、SPSSAU输出结果

    SPSSAU共输出2类表格；第一个表格是各分数段占比情况，该表格列出0~10分时，分别每个分数的占比百分比情况（或者数字频数情况）；第二个表格展示各类型占比（或数字频数情况）及NPS值，并且通过图形展示结果。

  • 5、文字分析

    上表格展示各打分值的占比情况，明显可以看到，打分基本集中在5分或以上，以8~10分较多，特别需要注意5分即贬损者的情况，第2次时占比较高。同时第1次NPS打分时，有个别样本会选择1，2，3分，可能有个别用户对产品产生反感情绪。

    上表格展示出三种类型用户，分别三次NPS打分的占比情况，并且可通过下图查看数据情况。从NPS值来看，第1次和第2次均在10%左右，推荐者比贬损者占比多出10%左右，整体用户忠诚度相对不高，第3次时NPS值为44.8%，明显高于第1和第2次，意味着用户忠诚度有着明显的提升。

  • 6、剖析

    涉及以下几个关键点，分别如下：

    • NPS原始数据分值一定需要介于0~10分之间（包括数字0和10），如果不是这样，可使用SPSSAU数据处理->数据编码进行处理，将数字进行替换后再分析NPS。

    • 如果想把用户类别（即贬损者，被动者和推荐者）保存起来，用于其它的分析使用，比如研究不同性别群体（如果有这样的数据）与用户类别的差异情况，那么选中‘保存类别’项即可。